作者:喻琰 来源:澎湃新闻 发布时间:2024/5/15 9:35:58
选择字号:
谷歌I/O大会提“AI”121次,发布十余项更新及新品

 

·本次开发者全程两个小时,谷歌CEO共提及“AI”121次,此次开发者大会,谷歌将搜索业务做了最彻底的AI改造,还更新升级了Gemini1.5Pro版本,同时推出Gemini1.5Flash轻量化小模型。此外,推出自称效果超过Sora的生成视频模型Veo。

北京时间5月15日凌晨,谷歌年度开发者I/O 大会2024在美国加利福尼亚州山景城总部附近的海岸线圆形剧场召开。整场发布会由谷歌CEO桑达尔·皮查伊(Sundar Pichai)主持,全程历时两小时。

前一天,OpenAI刚发布GPT-4o和全新的ChatGPT,此次谷歌要在开发者大会上交出怎样的“AI”答卷外界充满了期待。

澎湃科技(www.thepaper.cn)注意到,整场开发者大会,桑达尔·皮查伊称,据Gemini统计,在整场发布会上他共提及“AI”121次,发布了十多项产品更新和新品,但外界评论称,和GPT-4o不到30分钟的发布会相比,“缺乏惊喜”。

谷歌年度开发者I/O 大会现场

此次开发者大会,谷歌将搜索业务做了最彻底的AI改造,还更新升级了Gemini1.5Pro版本,同时推出Gemini1.5Flash轻量化小模型。

除此之外,谷歌推出自称效果超过Sora的生成视频模型Veo,另外还展示了与GPT-4o 相似的语音视觉交互功能Gemini Live,同时,还更进一步推出了AI智能体Project Astra。

Gemini 升级,更加轻量

当天大会上,谷歌宣布对Gemini模型进行更新,此前,谷歌推出的Gemini 1.5 Pro是一个中型多模态模型,上下文长度为100万tokens。

在此次开发者大会上,桑达尔·皮查伊宣布,将Gemini 1.5 Pro升级到200万tokens,并全面支持Workspace,同时Gemini 1.5 Pro将面向全球开发者开放。

升级后的Gemini 1.5 Pro,在多项公共基准测试中取得了显著改进,在多项图像和视频理解基准测试中也实现了最先进性能。此外Gemini 1.5 Pro还能够遵循越来越复杂和细微的指示,包括指定产品级行为的指示,如角色、格式和风格等。

用户可以通过 Gemini Advanced 订阅服务体验最新的Gemini 1.5 Pro,当前支持超过150个国家的35种语言。

为了满足用户对低延迟和低成本的需求,此次发布会,谷歌宣布,发布轻量化模型Gemini 1.5 Flash。

Gemini1.5Flash

相较于Gemini 1.5 Pro,该版本的特点是响应速度更快、成本低至0.35美元每百万tokens。而Gemini 1.5 Pro则针对对高质量内容有需求的用户,收费为7美元每百万tokens。

尽管Gemini1.5 Flash体积小巧,仍实现了100万个标记的长上下文窗口,开发人员还能注册尝试200万个标记,适用于摘要、聊天应用、图像和视频字幕、长文档和表格的数据提取等多种任务。

从今天起,超过200个国家的用户都可以在Google AI Studio和Vertex AI中使用Gemini 1.5 Flash。

值得注意的是,此次大会,谷歌重磅宣布推出基于 Gemini 1.5 Pro 的 Gemini Advanced。升级后的 Gemini Advanced 可以处理“多个大型文档,总计最多 1500 页,或汇总 100 封电子邮件。同时支持 35 多种语言和 150 多个国家及地区。

发布AI智能体Project Astra 

“很久以来,我们都有一个梦想,希望打造一个通用的AI Agent(AI智能体),帮助人们的生活变得更方便。现在,我们多年磨一剑,推出 Project Astra 的通用 AI 智能体。”桑达尔·皮查伊在发布会上说。

大会现场,来自谷歌 Deepmind的 CEO 杰米斯·哈萨比斯(Demis Hassabis)上台,讲解和展示了Project Astra的原型运作视频。

在展示过程中,谷歌在演讲中展示了一个人拿着手机,将摄像头对准办公室的各个地方,并用语言与其交互:“当你看到有东西发出声音时,请告诉我。”在这段视频演示中,Astra能识别各种物体甚至代码,并实时与人类进行语音互动。

在展示环节,有用户对Astra突然提出一个此前没有涉及到的问题,“你记得我把眼镜放哪里了么?”

“你的眼镜在桌上苹果旁边。”Astra回答到。这一过程引起现场惊呼。

这表明,当摄像头扫过的时候,Astra曾“看”到过用户的眼镜,Astra以视觉的形式记录了下来。

发布视频生成模型Veo对抗Sora

此次发布会上,杰米斯·哈萨比斯宣布,谷歌正式发布一款全新的视频生成模型Veo,将成为Sora新的劲敌。

谷歌声称,Veo能够根据文本、图像创建超过60秒的高质量1080P视频,用户可以对光照、镜头语言、视频颜色风格等进行设定。此外,Veo还能够理解电影和视觉技术,例如延时拍摄的概念。

用户仅需写出文本提示即可生成视频,比如文本提示:“在宁静的山地平移镜头,相机慢慢露出白雪皑皑的山峰、花岗岩岩石和倒映天空的清澈湖泊。”“一艘宇宙飞船在浩瀚的太空中穿梭,星星划过,高速,科幻”。

根据谷歌公布的演示视频,Veo生成的小狗毛发十分细腻,走路动作、姿态也非常逼真。

搜索引擎升级,与Gemini结合

谷歌搜索负责人莉兹·里德( Liz Reid )在此次发布会上称,在过往的25年里,谷歌经历了许多技术变革,“我们不断重新构想和扩展 Google 搜索的功能。”

莉兹·里德宣布,如今,借助AI,谷歌搜索可以做的事情超出人们的想象。她表示,将 Gemini 的先进功能(包括多步推理、规划和多模态)与谷歌搜索系统结合在一起,推出AI Overviews。AI Overviews将首先在美国推出。通过AI Overviews,用户可以上传演示其要解决的问题的视频,然后启动搜索在论坛和互联网的其他区域以找到解决方案。

此外,用户也可以向定制的 Gemini 模型提出复杂的问题。甚至当用户不知道自己问什么的时候,Google也可以给用户推荐,给用户做头脑风暴。用户还可以直接与 Gemini 聊天,从整个收件箱中查找详细信息。

莉兹·里德称,“从回答、计划、需求定制到组织和视频搜索,Google都会替你完成,而你需要做的只有提问。”

在大会进行到中途,澎湃科技注意到,桑达尔·皮查伊低调宣布了谷歌的第六代张量处理单元 (TPU) 称为 Trillium,将于今年晚些时候向其云客户提供。TPU 可能不是谷歌当今众多人工智能更新中最华丽的,但它是其人工智能工作的重要组成部分。

据谷歌介绍,作为“迄今为止性能最强、能效最高的 TPU”,Trillium 宣称与 TPU v5e 相比,每个芯片的峰值计算性能提高了 4.7 倍。

值得关注的是谷歌此次也在安卓平台上推出一系列全新AI功能。谷歌表示,此前,"Circle to Search"功能允许用户无需切换应用即可搜索,现在起它还可以作为学习伴侣,解答数学题、图表等复杂问题。目前这一功能已在超过1亿台安卓设备上提供,预计到年底这一数字将翻倍。

(原标题:谷歌两小时I/O大会提了“AI”121次,发布了十余项更新及新品,却“缺乏惊喜”)



 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
“双星计划”:开启中国空间科学新纪元 河西走廊内陆河出山径流研究揭示新趋势
金星缺水的原因,找到了? 科学家描绘低质量系外行星大气逃逸新图象
>>更多
 
一周新闻排行
 
编辑部推荐博文